KLASIFIKASI JENIS KACA BERDASARKAN ATRIBUT KIMIA MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN)

Abstract

Kaca merupakan material penting dalam industri manufaktur, konstruksi, dan otomotif.
Penentuan jenis kaca yang tepat diperlukan untuk menjaga kualitas, keamanan, dan efisiensi
produksi. Namun, proses identifikasi secara manual sering membutuhkan keahlian khusus dan
rentan terhadap kesalahan. Oleh karena itu, diperlukan sistem klasifikasi berbasis data untuk
membantu proses pengenalan jenis kaca. Penelitian ini menerapkan metode K-Nearest
Neighbors (KNN) untuk mengklasifikasikan tujuh jenis kaca berdasarkan sembilan atribut
kimia. Evaluasi model menggunakan metrik akurasi, presisi, recall, F1-score, serta confusion
matrix. Hasil penelitian menunjukkan bahwa nilai K terbaik adalah K=2 dengan akurasi 72%.
Jenis kaca kategori 5 memperoleh performa terbaik dengan precision, recall, dan F1-score
sebesar 1.00. Sementara itu, kategori 2 dan 3 menunjukkan performa lebih rendah karena
kemiripan karakteristik antar kelas. Temuan ini menunjukkan bahwa KNN cukup efektif untuk
klasifikasi jenis kaca, meskipun masih memerlukan optimasi lebih lanjut pada kelas tertentu.